大数据环境下交通模型解决方案最新PPT

长度
36.9 60.3 40.2 33.8 16.6 32.7 43.9 37.0 49.8 35.2 70.6 19.0 12.0 58.2 546.2
工作日 客流量
121 147 57 84 14 38 73 95 82 73 60 17 12
6 880
客运强度（万 乘次/km） 3.27 2.44 1.41 2.49 0.85 1.17 1.65 2.57 1.65 2.06 0.86 0.92 1.00 0.11 1.61
周边地区
内环内 45% 13%
4%
居住地
内外环间 周边地区
44% 70%
194%%
17%
71%
其他 合计
2% 3% 9%
100% 100% 100%
通勤距离
居住/工作地
内环内 内外环 周边地区
居住地居民 6.8 9.1 9.0
通勤距离（km） 工作地岗位
岗位/居住
8.6
1.3
7.9
0.9
7.7
0.9
校核线调查 手机信令调查
其他调查…
一、互联网 +交通大数据时代的福利
3、道路网络的建立
一、互联网 +交通大数据时代的数据资源
4、公交线网数据的获得以及建立路网映射模型数据库
商业地图公交线 路和站点获取和
图形化
? JavaScript
WGS84转换商业 地图坐标
公交线路和站点 坐标校准
? Python
部 城他部 城他部 城他部 城他
内 心其内 心其内 心其内 心其
城中
城中
城中
城中
新
新
新
新
嘉定新城
青浦新城
松江新城
新城居民工作岗位分布区域
金山新城
21
18
15 百
分 12
比 （
9
%） 6
3
0
居民出行调查 手机调查
） 通勤距离（ km
一、互联网 +交通大数据时代的数据资源
5.1、从单独的空间分析扩展到空间联系
act ran
正规化经济通勤：NCe=(Tran-Tact)/(Tran-Tmin)*100 越小越好！
一、互联网 +交通大数据时代的数据资源
5.4、职住平衡分析
① 最小通勤与城市空间形态，人口 规模和土地使用关系不大；
② 最大通勤、随机通勤与城市和人 口规模有较大关系；
③ 实际通勤上海较好； ④ 剩余通勤和东京还有较大差距，
主要是东京的最小通勤较大。职 住平衡不在于讲究小范围的人口 岗位平衡或用地混合配置； ⑤ 潜在通勤和东京接近； ⑥ 和随机通勤差距越大，越具有较 强的中心集聚作用。
一、互联网 +交通大数据时代的的数据资源
29-30 28-29 27-28 26-27 25-26 24-25 23-24 22-23 21-22 20-21 19-20 18-19 17-18 16-17 15-16 14-15 13-14 12-13 11-12 10-11 9-10 8-9 7-8 6-7 5-6 4-5 3-4 2-3 1-2 0-1
邻域栅格联系紧密度
一、互联网 +交通大数据时代的数据资源
5.2、大数据提供了足够的小区域研究样本 1-2%的居民出行抽样抽样调查无法分析 小区域的吸引点的空间分布
一、互联网 +交通大数据时代的的数据资源
5.3、AFC和手机信令的印证
一、互联网 +交通大数据时代的数据资源
5.4、职住通道不平衡，交通设施规划处于两难境地
一、互联网 +交通大数据时代的数据资源
5.1、从单独的空间分析扩展到空间联系
居民的工作地分布
区域
内环内 居住地 内外环间
周边地区
内7环1%内 32% 12%
工作地
内外22环% 间 57% 21%
周边地区 4% 578%%
其他 3% 4% 9%
合10计0% 100% 100%
岗位的居住地分布
区域
内环内 工作地 内外环间
0% 1 号线 2 号线 3 号线 4 号线 5 号线 6 号线 7 号线 8 号线 9 号线
10号线
11号线
13号线
5%
10%
15%
20%
12% 12%
14% 13%
20% 17% 16% 14% 13% 13% 14% 15%
上海轨道交通线路客流特征
线路
1号线 2号线 3号线 4号线 5号线 6号线 7号线 8号线 9号线 10号线 11号线 12号线 13号线 16号线 全网
距平(均km乘) （高万断人面次客/小流时）
9.01
5.1
8.74 8.56
42..76
6.14
2.4
8.95
1.3
6.74
2.6
7.74
4.0
6.71
3.5
11.15
4.2
6.87
2.7
13.78
3.3
6.74
1.5
5.86
ቤተ መጻሕፍቲ ባይዱ
1.0
22.89
0.6
14.6
-
一、互联网 +交通大数据时代的数据资源
5.4、职住平衡分析
5、手机 信令的职
住分析
100%
例 90% 比 80% 布 70% 分 60% 位 50% 岗 40% 作 30% 工 20%
10%
0%
75% 70%
手机信令分析
83% 78%
居民出行调查
86% 82%
69% 79%
24%21% 6%
4%
191%
5% 3%
2%
13% 4%5%10%
29% 19%
2% 2%
2、交通模型的主要数据
交通模型基础数据
土地利用
建筑量
人口岗位
GIS和数据库技术
综合交通网络
航空影像图、 地形图
交通调查
其他数据……
现状用地
现状建筑量
人口普查
道路交通网络
居民出行调查
规划用地
核心数据：
规划测算
经济普查
? 用地和人口岗位
规划预测
? 综合交通交通网络
? 基于交通调查的模型参数
轨道交通网络 公交线网 模型辅助线
大数据环境下的 交通模型解决方案
提纲
一、互联网+交通大数据时代的数据资源 二、挖掘大数据，改进交通模型 三、大数据在上海交通规划模型中的应用 四、正确看待大数据
一、互联网 +交通大数据时代的数据资源
1、数据是交通模型的基本原材料
交通模型 数 据 数学模型 软件工具 模 型 师
一、互联网 +交通大数据时代的的数据资源
? GISDK
T统ran(s公CA交D模公型交数系 据库）生成
? GISDK
坐站标点转集换群,、其城他市模 型软件接口
? GISDK
公交与路网数据关联表
工作效率提高：
2500条线路，57000个站点 人工维护：150天 自动维护：95%精度，10天
100%精度，25天
一、互联网 +交通大数据时代的数据资源
① 最小通勤T ：2.1km
min
② 最大通勤T ：48.6km
max
③ 随机通勤T ：33.6km
ran
④ 实际通勤T ：8.2km
act
剩潜余在通通勤勤：：ECCu==(T(a1c-tT-Tmminin/T)/a(cTt)m*1ax0-T0min)*100 经济通勤：Ce=(1-T /T )*100